【嵌入式AI】周易 AIPU 算法部署仿真测试
本教程详细记录了使用周易 AIPU 进行算法部署仿真测试的方法,带大家尝尝鲜。
这里以 resnet_v1_101 为例(原谅我在边缘端用这么大的模型,这里纯粹就是为了跑通)。
1、安装 docker 镜像环境
# pull 镜像
docker pull zepan/zhouyi
# run 容器
docker run -it zepan/zhouyi /bin/bash
# 如果要vscode远程开发的话,可以加端口
docker run -it -p 9999:22 -v /path/to/container:/path/to/host zepan/zhouyi /bin/bash
验证容器环境是否正常:
cd ~/demos/tflite
# 执行仿真
./run_sim.sh
# 验证结果
python3 quant_predict.py
2、准备模型文件
2.1 下载预训练模型:
wget http://download.tensorflow.org/models/resnet_v1_101_2016_08_28.tar.gz
解压得到 resnet_v1_101.ckpt
tar zxvf resnet_v1_101_2016_08_28.tar.gz
2.2 export graph
vim export_graph.sh
加入以下内容
# export graph
python3 export_inference_graph.py \
--alsologtostderr \
--model_name=resnet_v1_101 \
--image_size=224 \
--labels_offset=1 \
--output_file=tmp/resnet_v1_101_inf.pb
执行 ./export_graph.sh 后将在 tmp文件夹下生成 resnet_v1_101_inf.pb
2.3 freeze graph
vim freeze_graph.sh
加入以下内容:
# freeze graph
python3 freeze_graph.py \
--input_graph=tmp/resnet_v1_101_inf.pb \
--input_checkpoint=tmp/resnet_v1_101.ckpt \
--input_binary=true --output_graph=tmp/resnet_v1_101_frozen.pb \
--output_node_names= resnet_v1_101/predictions/Reshape_1
执行 .